R语言统计col1缺失且col2="USA"的行数问题求解

Hey there! Let's get this sorted out for you—totally get being stuck when you're new to R, especially coming from Stata where the syntax feels a bit different.

为什么你的原代码无效？ #

你写的sum(is.na(df$col1), df$col2=="USA")其实是误用了sum()函数的参数。在R里，sum()的第二个参数是用来设置na.rm（是否忽略缺失值）的，不是用来添加第二个逻辑条件的。所以这个代码实际上是在计算col1缺失的行数加上col2等于"USA"的行数，而不是同时满足两个条件的行数，这就和你想要的结果差远啦。

正确的解决方法 #

这里有两种常用的方式，你可以选适合自己的：

1. 基础R方法（直接用逻辑与）

用&把两个条件结合起来，生成一个只标记同时满足条件的逻辑向量，再用sum()统计其中TRUE的数量（因为R会把TRUE当作1，FALSE当作0）：

sum(is.na(df$col1) & df$col2 == "USA")

如果你的数据里col2存在NA值，df$col2 == "USA"会返回NA，这时候可以加上na.rm = TRUE忽略这些干扰项：

sum(is.na(df$col1) & df$col2 == "USA", na.rm = TRUE)

2. tidyverse/dplyr方法（更直观的筛选计数）

如果你习惯用tidyverse工具包，用filter()筛选出符合条件的行，再用nrow()统计行数，可读性更强：

library(dplyr)

df %>%
  filter(is.na(col1), col2 == "USA") %>%
  nrow()

这里的逗号就相当于逻辑与，和Stata里的&作用完全一致哦。

补充说明（和Stata的对应） #

你提到的Stata代码count if col1=="" & col2=="USA"，要注意：在Stata里空字符串""代表缺失值，但在R里，字符型的缺失值是NA，而非""。如果你的col1里的"缺失值"其实是空字符串""（不是真正的NA），那你需要把is.na(df$col1)换成df$col1 == ""，代码就变成：

sum(df$col1 == "" & df$col2 == "USA")

内容的提问来源于stack exchange，提问作者Valentina Ruts